基于數據包絡分析的科研項目績效評價研究

楊浩森

摘要：文章以2022年已驗收的寧夏地區中央引導地方科技發展資金支持項目為例，聚焦重點支持的化工、新材料、新能源、信息技術、冶金和裝備制造6個產業的相關企業，每個產業選取3個共18個項目為樣本，采用數據包絡分析法對財政資金勞務費和非勞務費投入帶來的產出數量、產出水平、人才培養、社會效益、引導作用開展績效評價研究，分析總體效率水平和低效率項目存在的問題，并提出政策建議，以期為科技主管部門完善項目管理、優化資源配置提供參考依據。

關鍵詞：數據包絡分析；寧夏；中央引導地方；績效評價

中圖分類號：G644；F224；G311? 文獻標識碼：A? ?文章編號：1674-0688（2023）03-0014-04

0 引言

中央引導地方科技發展資金（以下簡稱引導資金）是指中央財政用于支持和引導地方政府落實國家創新驅動發展戰略的共同財政事權轉移支付資金。近年來，通過重點支持自由探索類基礎研究、科技創新基地建設、科技成果轉移轉化和區域創新體系建設4個具有戰略性、全局性、前瞻性的區域重點科技項目，推動各地區創新環境持續優化、創新能力穩步提升。但是，目前引導資金總體績效評價機制仍存在不足：一是績效指標體系注重區域資金總體效益，未能有效覆蓋所有關注重點；二是缺乏對績效評價結果的有效應用，績效報告偏向對情況的說明，對數據挖掘不夠深入，缺乏進一步的分析、研究。針對以上問題，本文聚焦政府科研項目管理關注重點，突出指標設計與引導資金支持原則耦合，研究、設計適合成果轉化類項目的績效評價指標體系。此外，通過對樣本項目的行業歸類和效率進行分析，探討引導資金對區域重點產業的支持作用，為科技管理部門完善項目管理、優化資源配置提供參考依據。

1 文獻綜述

（1）研究方法。DEA（探索性數據分析）模型近年來被廣泛運用于創新效能評價上，2階段DEA-Malmquist指數法由于可以評價時間序列效能變化情況、準確地識別技術進步和技術效率變化的原因而成為研究熱點。周廣亮［1］等用2階段DEA-Malmquist指數法，對2015—2019年30個省份的“產學研”協同創新狀況進行系統分析。方梓旭［2］用2階段DEA-Malmquist指數法和托賓（Tobit）模型，對2016—2020年影響我國30個省眾創空間創新創業效率的重要因素進行分析。

（2）研究目的。國內財政科研項目績效評價研究主要集中在指標體系設計和創新研究方法上。邵舒揚［3］采用數據包絡分析法中的B2C模型，收集官方權威科技統計數據，對山西省2008—2014年平臺基地和人才專項進行實證分析。劉平［4］通過構建基于科技項目財政投入的績效評價指標體系，對江西省科技項目財政投入績效進行數據包絡分析。張澤壽［5］等運用DEA模型，對2011—2019年甘肅省農業科技項目投入產出進行測算，得出甘肅省農業科技項目的綜合效率、純技術效率和規模效率。近年來，國內學者通過優化指標設計和DEA模型，多維度、多角度展開分析和研究，極大豐富了財政科研項目績效評價工具，不少工具已經應用于現實項目管理工作當中，促進了理論與實踐融合發展。但是，目前相關研究在指標設計方面趨于單一和扁平，對特定專項的針對性不強；項目、政策與產業研究的結合度不足，從項目入手進、指向產業的研究相對較少。本文在投入指標設計上使用財政經費中勞務費與非勞務費支出，增強可應用性。同時，將授權專利價值等作為成果產出水平指標，實現成果轉化方向項目管理和政策關注重點的有效結合。在產業方面選取區域重點產業支持項目為樣本，分產業進行投入產出效率分析，這樣既弱化指標設計對不同產業項目的影響，又能夠加強項目績效和產業研究結合，豐富了研究結果的應用。

2 研究方法

數據包絡分析是一種非參數的相對效率評價方法，用于評估多個投入和產出因素對生產或服務效率的影響，它可以用來確定哪些決策單元（DMU）是最有效率的，或者用來識別最佳實踐、提高效率。DEA的基本思想是將每個DMU的輸入和輸出轉化為一個向量，再通過計算這些向量之間的距離或相似度評估它們的效率。在DEA中，如果一個DMU的輸入和輸出向量不可被其他DMU所超越，則被視為有效率的，多個有效率的DMU形成“生產前沿線”。相反，如果一個DMU的輸入和輸出向量可以被其他單元超越，則它被認為是無效率的。DEA有許多不同的變體，本文擬采用多投入規模報酬可變的BCC模型進行分析。此外，DEA模型包括投入和產出兩種導向，投入導向的DEA模型旨在評估每個DMU的輸入效率，即在給定的投入條件下，DMU是否能夠最大化產出。這種方法的重點是以最小化輸入，以便在保持產出不變的情況下獲得最高效率。產出導向的DEA模型旨在評估每個DMU的產出效率，即在給定的產出條件下，DMU是否能夠實現最小化投入。這種方法的重點是最大化產出，以便在保持投入不變的情況下獲得最高效率。本文研究的是財政資金的投入績效，評估每個項目的輸入效率，采用投入導向的BCC模型。模型構建方法如下。

假設[n]個DMU有[r]種投入和[s]種產出，則第[j]個DMU的效率為[hj=（uTYj）/（vTXj）， j=1，2，…，n]。其中，[Xj=（x1j，x2j，…xaj）T]，[Yj=（y1j，y2j，…ybj）T]，分別為輸入和輸出向量；[uj=（u1，u2，…um）T]和[vj=（v1，v2，…vn）T]為權重向量。控制權重，使[hj≤1]，并對所有DMU進行效率評價。本文所用BCC是投入導向模型，所得到最優解[TEj]是DMU技術效率。線性規劃如下：

[minTEjs.t.i=1n μixij≤TEj?xjji=1n μiyij≥yjji=1n μi=1μi≥0，i=1，2，3，…，n]

3 評價指標設計

設計指標時應遵循以下原則：一是與研究目標高度關聯。在選擇指標時，首先需要明確研究目標和問題，確保指標能夠說明問題。同時，引導資金有明確的政策導向，也應考慮政策之間的關聯性。二是確保指標可靠性和可獲得性，指標的可靠性是指它們能夠準確地度量所要評價的目標，而可獲得性則是指數據的可用性和獲取成本。三是確保指標全面性。指標應盡量反應項目各方面的產出效率，但也應注意不宜設計得太零散，其綜合性和說明性要強。四是確保指標可評價性。指標應是所有項目的共性指標，同時應能夠有效地區分高效率和低效率的項目。

本次選取樣本全部為寧夏引導資金科技成果轉移轉化方向中已驗收的工業領域企業項目。投入指標選擇能反映設備和業務費投入的非勞務費支出[X1]，以及反映人力投入和智力投入的專項資金勞務費支出[X2]。根據項目征集文件，成果轉移轉化類項目支持重點為圍繞區域重點產業等開展科技成果轉移轉、化活動，以及公益屬性明顯、引導帶動作用突出、惠及人民群眾廣泛的科技成果轉化示范，產出指標設計以此為導向。從樣本涉及領域上看，工業領域項目應重點關注成果產出數量及水平，包括成果轉化過程中的專利工藝包形成和新產品、新工藝水平；從樣本涉及創新主體類型來看，企業類項目應關注項目帶來的經濟社會效益。根據以上研究目的設置一級指標為投入指標和產出指標，其中產出指標對應的二級指標為成果產出數量為（[Y1]）、成果轉化水平為（[Y2]）、人才培養（[Y3]）、社會效益為（[Y4]）和經濟效益為（[Y5]）。樣本具體績效評價指標見表1。

4 數據收集

數據來源和收集方式主要包括項目驗收資料、項目承擔單位調研、專家評議、科技管理信息系統和專利數據資源（智慧芽等）。經整理，18個樣本各項投入、產出數據見表2。

5 實證分析

使用DEAP2.1軟件進行數據分析，綜合效率、純技術效率和規模效率為0～1，見表3。

表3中，綜合技術效率是指各項目在綜合考慮技術效率和規模效率的情況下，相對于最優生產前沿的效率水平，純技術效率評價各類產出的資源配置結構是否相對合理，規模效率指項目在現投入規模下產出是否相對足夠。表3數據顯示，整體產出效率水平較高，引導資金總體效益較好，但部分項目仍有提升空間。樣本綜合效率均值為0.876，有約88%的引導資金得到充分利用。所有項目中DEA強有效，即綜合效率為1的共8個，占比為44%，這部分項目投入水平和機構相對合理。此外，還有超過一半的項目存在技術或規模效率不足的情況。項目編號3、7、9、13純技術效率有效但規模無效，屬于DEA弱有效，可以保持現有資源配置結構。其余項目中有5個項目綜合效率低于0.8，占比約為27%，1個項目低于0.5，需要重點關注。

規模報酬情況方面，IRS（Increasing Returns to Scale）表示規模報酬遞增，規模擴大，產出的增長速度快于資源投入的增長速度，即規模擴大可以帶來更高的生產效率和規模效率。在表3中，有3個項目及產業歸類為IRS，占比約為17%。DRS（Decreasing Returns to Scale）表示規模報酬遞減，規模擴大，產出的增長速度慢于資源投入的增長速度，即規模擴大不能帶來更高的生產效率和規模效率。在表3中，有6個項目及產業被歸類為DRS，占比約為33%，這些項目應考慮優化資金結構而非擴大規模。

分產業來看，根據表4可以看出信息技術產業綜合效率水平較低。通過表2可發現信息技術類項目成果轉化水平較低。區域內，智慧農業、智慧醫療等領域多以引進吸收轉化東部先進成果為主，與其他重點產業技術水平差距較大。新能源產業綜合效率較低，但其純技術效率比規模效率均值高，除項目8外，項目7和項目9均為DEA弱有效，說明配置較為合理，但存在投入不足的問題。

6 結論和建議

根據實證分析結果，目前寧夏引導資金成果轉移轉化類項目總體效益較好，充分發揮引導資金在優化區域科技創新環境、提升區域科技創新能力方面的作用。

（1）引導資金在化工、新材料、冶金和裝備制造等區域優勢產業績效水平較高，這些創新主體基本是自治區行業領軍的科技型企業。這些企業的創新意識、科研管理和產出水平隨著市場競爭和政策支持不斷加強，引領示范作用顯著。優化資金配置，不斷夯實企業創新主體地位，以穩步提升創新主體基礎條件和科研能力為總體目標，深化“產學研用”深度融合，強化企業創新資源要素集聚能力和產業核心創新力，推進自治區創新力量厚植工程和創新主體培育工程，持續推動科技型企業梯次培育，加快培育一批創新能力強、成長速度快、發展前景好、科技含量高、市場潛力大的創新型企業。

（2）區域引導資金在對成果轉移、轉化方向的支持上成效較好，不少成果達到國內先進水平，集中力量破解一批關鍵技術難題，轉化應用了一批重大科技成果，培育了一批科技創新產品。引導資金應持續加大科技成果轉移轉化的支持力度，通過一系列成果轉化體系建設的“組合拳”，打通科技創新的“最后一公里”。應進一步聚焦重點產業核心技術的需求，長期支持關鍵領域技術攻關，“不撒胡椒面”，充分發揮引導資金帶動作用；在創新基地建設和成果轉化方向上，以科技型企業為支持重點，堅持“以效益論英雄”，加快科技成果從樣品到產品再到商品的轉化，將項目產生的經濟社會效益作為立項、驗收和績效評價的核心指標。

（3）引導資金績效評價應充分發揮監管作用，用數字說話，著力化解項目風險。如本次研究項目中，項目4、項目6實施期內無專利授權情況。經了解，兩家企業部分工藝被競爭較易對手模仿，可知其較先進工藝均未申請專利。引導資金應進一步加強績效評價結果運用，開展引導資金項目績效評價“回頭看”，從成果產出數量和水平、項目經濟社會效益等多維度考察驗收項目持續效益，明確引導資金對區域企業發展、產業核心技術攻關的推動作用，對反饋信息做好收集整理和分析研究工作，推動引導資金項目承擔單位不斷提高引導資金的使用效益，持續優化政府管理部門資源配置管理水平，持續提升管理效能。

7 參考文獻

［1］周廣亮，趙叢郁，陳昱，等.我國產學研協同創新績效評價及空間格局分析——基于兩階段DEA及Malmquist指數［J］.信陽師范學院學報（自然科學版），2022，35（2）：217-223.

［2］方梓旭，徐莉.眾創空間創新創業效率評價及影響因素分析——基于中國30個省區市面板數據［J］.科技管理研究，2022，42（20）：65-70.

［3］邵舒揚.山西省財政科技項目績效評價研究與應用［D］.蘭州：蘭州交通大學，2016.

［4］劉平.科技項目財政投入績效評價模型的選擇與構建［J］.贛南師范大學學報，2016，37（6）：32-37.

［5］張澤壽，張小寧，彭勇.基于DEA模型的甘肅省農業科技項目績效評價研究［J］.生產力研究，2021（2）：148-151.